Contrôles de confidentialité dans Ads Data Hub

La confidentialité des utilisateurs finaux est au cœur de toutes les activités d'Ads Data Hub. C'est sur cette base que repose notre plate-forme. Afin de protéger cette confidentialité et d'aider nos clients à respecter les réglementations, nous imposons certaines vérifications et restrictions. L'objectif est d'empêcher la transmission d'informations concernant des utilisateurs individuels1 dans les données obtenues à partir de la plate-forme. Voici un aperçu des vérifications, avec des informations plus détaillées dans les sections ci-dessous :

  • Vérifications statiques. Les vérifications statiques permettent d'examiner les instructions dans vos requêtes afin de détecter les problèmes de confidentialité flagrants et immédiats, par exemple :
    • Exportation d'identifiants utilisateur ou toute fonction d'identifiants utilisateur
    • Utilisation de fonctions sur liste de blocage pour des champs contenant des données au niveau de l'utilisateur
  • Budget d'accès aux données. Votre budget d'accès aux données limite le nombre total de fois que vous pouvez accéder à une donnée spécifique. Un message de confidentialité de type DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED s'affiche lorsque les utilisateurs approchent de la limite du budget. Vous pouvez surveiller le budget à l'aide du point d'entrée budget d'accès aux données ou des notifications sur le budget dans l'interface utilisateur.
  • Exigences d'agrégation. Les exigences d'agrégation permettent de vérifier que chaque ligne contient un nombre suffisant d'utilisateurs pour protéger la confidentialité des utilisateurs finaux.

  • Vérification des différences. Les vérifications des différences permettent de comparer les résultats du job que vous exécutez à vos précédents résultats, ainsi que les lignes du même ensemble de résultats. Vous éviterez ainsi de collecter des informations sur des utilisateurs individuels en comparant les données de plusieurs ensembles d'utilisateurs répondant à nos exigences d'agrégation. Lors de la vérification des différences, des infractions peuvent être déclenchées si vous modifiez vos données sous-jacentes entre deux jobs.

Si un résultat échoue aux contrôles de confidentialité, Ads Data Hub affiche ou renvoie un message sur la confidentialité vous informant qu'une ligne a été filtrée. La quantité de données filtrées peut aller d'une seule ligne à un ensemble de résultats complet. Afin de vérifier que les totaux de vos rapports sont corrects, utilisez un récapitulatif des lignes filtrées pour comptabiliser les données des lignes supprimées2.

Exigences d'agrégation

Le seuil d'agrégation des utilisateurs est au cœur des contrôles de confidentialité d'Ads Data Hub. Pour la plupart des requêtes, vous ne pouvez recevoir des données de rapport que pour 50 utilisateurs ou plus. Toutefois, les requêtes qui n'accèdent qu'aux clics et aux conversions peuvent être utilisées pour générer des rapports sur 10 utilisateurs ou plus. (Les utilisateurs avec des identifiants nuls ne sont pas pris en compte dans ce seuil d'agrégation.)

Dans l'exemple ci-dessous, la ligne contenant la campagne 125 serait exclue des résultats finaux, car elle regroupe les résultats de 48 utilisateurs, soit moins que le nombre minimal requis (50). Les lignes filtrées sont celles qui sont omises des résultats en raison de restrictions de confidentialité.

Campagne Utilisateurs Impressions
123 314 928
124 2 718 5 772
125 48 353

Vérification des différences

La vérification des différences permet de s'assurer que les utilisateurs ne sont pas identifiables en comparant plusieurs résultats suffisamment agrégés. Lorsque vous comparez les résultats d'un job à des résultats précédents, Ads Data Hub recherche des failles au niveau des utilisateurs individuels. C'est pourquoi vous pouvez filtrer les résultats provenant de différentes campagnes, ou ceux qui indiquent le même nombre d'utilisateurs, s'ils comportent beaucoup d'utilisateurs qui se chevauchent.

D'autre part, deux ensembles de résultats agrégés peuvent avoir le même nombre d'utilisateurs (ils semblent identiques), mais ne pas partager d'utilisateurs individuels. Dans ce cas, ils respectent la confidentialité et ne seront pas filtrés.

Ads Data Hub utilise les données de l'historique de vos résultats lorsqu'il tient compte de la vulnérabilité d'un nouveau résultat. Par conséquent, exécuter une même requête de manière répétée crée davantage de données à utiliser pour les vérifications de différences lorsque vous examinez la vulnérabilité d'un nouveau résultat. En outre, les données sous-jacentes peuvent changer, ce qui entraîne des infractions lors des contrôles de confidentialité pour les requêtes considérées comme stables.

Lorsque les résultats au niveau du job présentent des différences suffisantes, mais qu'une ligne individuelle est semblable à celle d'un job précédent, Ads Data Hub la filtre. Dans l'exemple ci-dessous, la ligne contenant la campagne 123 dans le deuxième résultat sera filtrée, car la différence entre cette ligne et la précédente n'est que d'un seul utilisateur.

Job 1 Job 2
ID de campagne Utilisateurs ID de campagne Utilisateurs
123 400 123 401
124 569 224 1 325

Si la somme des utilisateurs de toutes les lignes d'un ensemble de résultats est semblable à celle d'un job précédent, Ads Data Hub filtre l'ensemble entier. Dans l'exemple ci-dessous, tous les résultats du deuxième job seront filtrés.

Job 1 Job 2
ID de campagne Utilisateurs ID de campagne Utilisateurs
123 400 123 402
124 1 367 124 1 367

Récapitulatif des lignes filtrées

Les récapitulatifs des lignes filtrées regroupent les données filtrées suite à des contrôles de confidentialité. Les données des lignes filtrées sont additionnées et ajoutées à une ligne collectrice. Bien que les données filtrées ne puissent pas être analysées plus en détail, elles fournissent un récapitulatif du volume de données exclu des résultats.

Query Advisor

Si votre requête SQL est valide, mais qu'elle peut déclencher un filtrage excessif, Query Advisor affiche des conseils concrets lors du processus de développement de la requête pour vous aider à éviter les résultats indésirables.

Les motifs suivants peuvent être des déclencheurs :

Pour utiliser Query Advisor :

  • Interface utilisateur : des recommandations s'affichent au-dessus du texte de la requête dans l'éditeur.
  • API : utilisez la méthode customers.analysisQueries.validate.

  1. Sauf les données qu'ils ont accepté de partager, comme dans le cas de panélistes. ↩

  2. Sauf en cas de restrictions liées à la confidentialité, par exemple lorsque les utilisateurs figurant dans un récapitulatif des lignes filtrées ne respectent pas les exigences d'agrégation. ↩